XiaoMi-AI文件搜索系统
World File Search System群体
高质量、全基因组、群体水平的数据
。CC-BY-NC-ND 4.0 国际许可证下可用（未经同行评审认证）是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者此版本于 2024 年 11 月 11 日发布。；https://doi.org/10.1101/2024.11.08.622659 doi：bioRxiv 预印本
停止共享数据：访问算法、群体学习和下一代 FAIR（联邦人工智能就绪）原则和实践
摘要：机器学习领域的快速发展也带来了一些生存挑战，这些挑战本质上都与“信任”这一广义概念有关。这一广义概念的各个方面包括对任何机器学习过程输出的信任（以及防止黑匣子、幻觉等）。对科学的信任正受到威胁，尤其是现在法学硕士可以产生“好看的废话”，论文工厂的出现是为了应对当前研究环境中不正当的奖励制度。同一枚硬币的另一面是，如果机器学习得不到适当的控制，它也会突破安全和隐私障碍，违反 GDPR 以及其他道德、法律和社会障碍，包括公平性。此外，数据“某处”的存在绝不意味着其实际可重用性。这包括现已确立的 FAIR 原则的四个要素：许多数据即使找到也无法找到，在明确定义的条件下也无法访问，如果访问则无法互操作（第三方和机器无法理解），这导致绝大多数数据和信息无法重复使用，除非违反版权、隐私法规或隐含或明确支撑查询或深度学习算法的基本概念模型。现在，越来越多的数据也将被机器“独立”使用，所有这些挑战都将严重加剧。本次主题演讲将讨论“数据访问”相对于传统的“数据共享”（包含数据下载、传输和失去控制的内涵）如何减轻大多数（如果不是全部）传统“数据共享”的不良副作用。对于联合数据访问，数据应该从另一个意义上或角度来看是公平的，它们应该是“联合的、AI-Ready”的，以便访问算法可以回答与访问控制、同意、格式相关的问题，并且可以读取有关数据本身的丰富（公平）元数据，以确定它们是否“适合用途”和机器可操作（即公平数字对象或机器可操作单元）。“适合用途”的概念远远超出了（但包括）有关方法、质量、误差线等的信息。访问算法的所有操作的“不可变日志记录”至关重要，尤其是在使用“群体学习”中的自学习算法时。足以让我们忙上一阵子了。https://www.nature.com/articles/s41586-021-03583-3
阿尔及利亚提济乌祖医学和医辅学生群体中 COVID-19 的流行情况
目的：本研究的目的是估计提济乌祖（阿尔及利亚）的医科学生和医科学生中 COVID-19 的流行情况。材料和方法：这是一项匿名自我问卷的描述性调查，时间为 2022 年 6 月 5 日至 2022 年 7 月 12 日。结果：324 名学生参加了本次调查。参与者的平均年龄为 20.69 ± 2.4 岁，其中 87.7% 为女性。发烧、头痛、喉咙痛和咳嗽是最常见的症状。 14.8% 的人口接受了 PCR 检测，其中 8.9% 的学生检测呈阳性。近 2% 的患者因 COVID-19 住院，平均住院时间为 9.33±6.9 天。 18.8% 的人表示有近亲属因感染新冠肺炎而住院。新冠疫苗接种率为9.8%。结论：政府实施的遏制措施可以解释这些学生中 COVID-19 患病率低的原因。尽管开展了多次宣传活动，但仍然发现人们拒绝或不愿意接种疫苗。为了提高疫苗接种的依从性，探索其原因将会很有趣。
llm2swarm：机器人群体响应地推理，计划...
机器人群是由许多简单的机器人组成的，这些机器人可以交流和劳动以完成复杂的任务。机器人控制器通常需要由专家通过编程代码在情况下指定。此过程很耗时，容易出错，并且无法考虑部署期间可能遇到的所有情况。另一方面，最近的大型语言模式（LLMS）已展示了推理和计划功能，引入了与互动和编程机器进行交互的新方法，并纳入了特定领域和常识性知识。因此，我们建议通过将LLM与机器人群集成并展示概念证明的潜力（展示）来应对上述挑战。为此，我们探索了两种方法。第一种方法是“间接集成”，其中LLM用于合成和验证机器人控制器。这种方法可能会减少开发时间和部署前的人为错误。此外，在部署期间，它可以用于现实的新机器人行为。第二种方法是“直接集成”，每个机器人在部署机器人协作和人类处理交互期间本地执行单独的LLM实例。这些本地LLM实例使每个机器人都能使用自然语言进行推理，计划和协作，就像我们的展示案例中所阐述的那样，机器人能够检测到各种异常，而没有有关这些异常性质的事先信息。为了进一步研究我们的主要概念贡献，我们为LLM2SWARM系统发布了软件和视频：https：//github.com/pold87/llm2swarm。
49,482 名个体组成的大型多样化群体的大脑衰老模式
大脑衰老过程受各种生活方式、环境和遗传因素以及与年龄相关且经常共存的病理的影响。磁共振成像和人工智能方法在理解衰老过程中发生的神经解剖学变化方面发挥了重要作用。大规模、多样化的人口研究能够识别由不同但重叠的病理和生物因素导致的全面和有代表性的大脑变化模式，揭示受影响大脑区域和临床表型的交叉和异质性。在此，我们利用最先进的深度表示学习方法 Surreal-GAN，并展示方法学进展和大量实验结果，阐明来自 11 项研究的 49,482 名个体的大脑衰老异质性。通过各自的测量 R 指数确定并量化了每个个体的五种主要脑萎缩模式。它们与生物医学、生活方式和遗传因素的关联为观察到的差异的病因提供了见解，表明它们有可能成为遗传和生活方式风险的大脑内表型。此外，基线 R 指数可预测疾病进展和死亡率，捕捉早期变化作为补充预后指标。这些 R 指数建立了一种测量衰老轨迹和相关大脑变化的维度方法。它们有望实现精确诊断，特别是在临床前阶段，促进个性化患者管理和基于特定大脑内表型表达和预后的有针对性的临床试验招募。
NeuroART：钙成像期间神经元群体活动的实时分析和定位，用于知情闭环实验
双光子钙成像技术可以以单细胞分辨率读取活体生物体内大量神经元的活动，从而为大脑如何处理信息提供新的见解。全息光遗传学使我们能够直接触发这些神经元的活动，从而增加了将信息注入活体大脑的可能性。然而，光遗传学触发模拟“自然”信息的活动需要基于功能网络的实时分析来识别刺激目标。我们开发了 NeuroART（实时神经元分析）软件，该软件可以实时读取神经元活动，并集成相关性和同步性以及感官元数据的下游分析。以听觉刺激为例，我们展示了实时推断视野中每个神经元对感官信息处理的贡献。为了避免显微镜硬件的限制并实现多个研究小组的合作，NeuroART 无需修改显微镜控制软件即可利用显微镜数据流，并且与各种显微镜平台兼容。 NeuroART 还集成了驱动空间光调制器 (SLM) 的功能，用于对最佳刺激目标进行全息光刺激，从而实现功能网络的实时修改。用于光刺激实验的神经元是从 Sprague Dawley 雌雄大鼠胚胎中提取的。
如何保证中低收入群体能够负担得起能源
资料来源：Cook 和 Shah，《利用太阳能减少能源负担：科罗拉多州的战略和各州路线图》。国家可再生能源实验室 (2018) Hernandez，《了解能源不安全及其对健康的重要性》。《社会科学医学》（2016） Bednar, DJ，Reames, TG，《对美国能源贫困的认识和应对》。《自然能源》5，432–439 {2020)
普通野生稻与Oryza rufipogon回交群体产量性状的QTL分析
摘要 CRISPR/Cas 基因组编辑在农业应用中显示出巨大的潜力，包括提高作物品质和抗病性。CRISPR/Cas9 及其变体已成功地在植物基因组中引入了靶向修饰，增强了抗病性和营养品质等特性。CRISPR 技术在茶叶育种中的应用已经显示出良好的效果，通过精准的基因改造可以培育抗病茶树并提高茶叶品质。CRISPR 革命为茶叶精准育种开辟了新途径，为提高茶叶品质和抗病性提供了一种强大而有效的方法。通过利用 CRISPR/Cas 系统的先进功能，本研究旨在开发具有改良特性的茶叶品种，解决茶叶生产中作物品质和病害管理的挑战。未来的研究应侧重于优化 CRISPR 技术并解决潜在的局限性，以充分利用这项革命性技术在茶叶育种中的优势。关键词 CRISPR 技术；精准育种；茶叶品质；抗病性；基因组编辑